Proj-01

Simple Video Cover Extractor for Bilibili

「简易 B 站视频封面提取器」

由于这是我们的第一节，仍然会杂一些比较基础的东西。（尽管这些东西大多都在补注里）

背景

想起我最开始学 Py 的时候，也是从 B 站下手的（逃）

我们在刷 B 站的时候，有可能经常会看到一些用某些「好书」来当作封面的视频。为了丰富我们的「知识库存」，我们势必要拿到封面去做以图搜源。 为此有些 B 站老哥在视频评论区向鸽子 UP 主苦苦求了几万年（大雾）

啊肯定有些机智的朋友知道些别的途径 ，像用那些在线工具啊、用「一个■函」APP 啊、在网页端按 Ctrl+U 然后慢慢找啊之类的。 不过我们这次要来尝试自己写一写用来做这个的程序。

准备工作

由于这是我们第一次正式开始搓 Python 项目，我们需要养成一些良好的习惯。 不要像我这样埋头弄三年结果 PEP8 都不知道

在上一节我们已经装好了 Python。由于这次我们会用到第三方库，所以要配置虚拟环境。

你也不想污染在上一节中刚弄好的全局环境罢（）

照例创建一个项目文件夹，然后使用 VSCode 打开，信任此文件夹的作者。

创建虚拟环境

接下来我们创建虚拟环境（通过 VSCode 和 Venv）。

按 Ctrl+Shift+P 组合键呼出 VSCode 顶部的运行指令菜单，找到 Python: Create Environment...

环境类型选择 Venv

选择合适的解释器

等待创建完成后，在 VSCode 窗口右下角确认选择的虚拟环境是否正确

关于手动创建，参见补注。

注意

有时明明右下角已经显示选中了虚拟环境，但是用 pip 一装包就发现装到全局环境去了。要确认是否已经真正进入虚拟环境，可以参考补注中的方法。

至此，虚拟环境创建完成。

安装第三方库

由于 Python 的标准库中的网络请求库使用体验稍显繁琐，所以这里选择第三方库 requests 作为替代。

在 VSCode 中打开终端

按 Ctrl+Shift+｀ 启动一个新的终端，或者按 Ctrl+｀ 切换到已打开的终端。

安装网络请求库 requests

如果使用了更高级的包管理工具如 PDM，做相应的调整即可。毕竟要装的包都是一样的。

pip install requests types-requests

安装 types-requests 是为了支持 mypy 静态检查

安装 XML 解析库 lxml ，用于解析网页

pip install lxml types-lxml

等待完成后，将已安装的包固定为 requirements.txt

如果是 PDM，依赖会在添加时自动写入到 pdm.lock 和 pyproject.toml

pip freeze > ./requirements.txt

这样一来下次安装时就可以使用 pip 的 -r 参数一键搞定了。

开始喵

寻找途径

首先我们要明确我们的目标，是要获取到 B 站的某个视频的封面是吧。想想我们有哪些方法。总之找一个视频做样本罢。

刷刷首页 —— 袜这个封面好卡瓦，就它了！ （草

获得它的网址： https://www.bilibili.com/video/BV1iW421R71g

网址后面可能会跟上一串乱七八糟的东西（用来追踪用户行为的特征字段），但是熟悉 B 站的朋友们都知道，定位一个视频只需要 AV 号（记作 aid 或 avid ）或者 BV 号（记作 bvid ）就行了。

得到它的关键数据 BV1iW421R71g （bvid），保留备用。

进入视频详情页，将光标悬停在分享按钮上，右击弹出的分享框中的封面，可得到封面网址。

得到了这样一个 URL： https://i0.hdslb.com/bfs/archive/2ff337f507754e0d172298d3e9b815413b4a63b7.jpg@518w_290h_1c_!web-video-share-cover.avif

它看上去很小，并且保存下来也是 .avif 文件，不便查看。

但是细心观察不难看出，整个 URL 由图片本体和调整参数组成，去除 @ 符及其往后的内容再打开便是原始图像了。

这样做一般是为了减小带宽压力，将图片在服务端压缩后再提供给客户端。

现在我们拿到了封面 URL，可以反过来用 URL 来定位它在网页中的位置了。

按下 F12 打开开发者选项，找到 元素 选项卡， Ctrl+F 打开查找选项再一粘贴搜索，欸怎么没有呢

将搜索范围缩小到后半段的图片哈希值，成功找到元素。

之后要通过 lxml 库解析网页，记下这个元素的 XPath 备用。

注意网页的结构具有时效性，因为你不知道它多久会再改版。改版导致的页面结构的改变可能会使你得到的 XPath 之类的记录元素位置的信息失效。

因此更理想的方法一般是找到网页的 API，直接通过请求 API 拿到信息，API 的有效时间通常会更长一些。不过我们暂时先留到以后再说，本节我们先做这个。

当然也有别的元素定位方法和库可以用，只是这里使用了 lxml 和 XPath 而已。

写

新建一个 py 文件，就叫 main.py 好了。

我们将要实现一个函数，这个函数接收视频的 URL，返回视频封面的 URL。大概长这个样子。

def get_video_cover(url: str) -> str:
    pass

基础语法参见补注或者另一组写的文档，或者搜索引擎启动

实践流程见 notebook

优化

我们已经在 notebook 编写了一遍最简单的代码。接下来我们将它封装为函数。

将主体部分缩进一级，将预设的 URL 改成传入参数，将打印封面 URL 改成返回封面 URL，移除多余的打印语句。将作为常量的 headers 和 xpath 改写为全大写，放在函数外面。添加 main 函数。

若当前模块中的 __name__ 变量内容为 "__main__" ，则说明当前模块是被直接运行的。否则此变量的内容为当前模块的名字。

这使得模块既可以作为独立脚本执行，又可以作为模块被复用。

完整代码见 source

结束了喵

但是我们的程序还很「脆弱」，还有一些地方值得改进，尝试自己解决吧！

• 程序没有容错机制，这意味着如果程序遇到网络不通畅等异常情况时，会直接因为出错而退出。此外 lxml 在找不到 XPath 指向的元素时会返回空值，会导致后续程序出错。尝试加上容错机制。

  Hint: try ... except ... 和 额外的返回值检查。

• 程序不会检查用户的输入，这意味着它会尝试请求任何用户输入的东西，甚至不管它是不是 URL。尝试改进这一点。

  Hint: 尝试提取输入中的 AV 号或 BV 号，拼接成网页 URL 后再拿去做请求。

• 程序只是打印出了封面 URL，却没有将它自动下载下来。尝试为它加上这个功能。

  Hint: open()

• （续）难道下载的文件的名字要叫那一长串哈希字符串吗？尝试获取视频的标题，然后将它当作下载的封面的文件名。

以及，去尝试通过这种方式获取更多网页中的信息吧！